人體重識別技術是指在不同的時間點,對于出現(xiàn)在兩個非重疊攝像機下的行人進行檢索和追蹤的方法。在機場、地鐵站等人員密集場所,基于人體特征的重識別技術有著十分重要的應用價值,受到了越來越多的研究者的關注。對人體重識別技術的研究方法分為有監(jiān)督和無監(jiān)督兩大類,有監(jiān)督方法主要包括傳統(tǒng)機器學習方法和深度學習方法。本文將結合人體的局部特征,使用深度學習方法對人體重識別技術進行研究。在基于視頻數(shù)據(jù)的人體重識別研究中,大多數(shù)基于深度學習的模型方法在提取視頻中的行人特征時,處理的數(shù)據(jù)都是整幀圖像序列,所以得到的特征表示是行人的整體特征。為進一步準確描述行人的特征,本文提出了一種基于人體局部特征的空間時序特征混合模型(STFMM),先提取視頻序列中不同部位的特征,再利用這些特征構建行人的特征表示。在模型的構建中,首先將原始視頻序列水平切割為W個子部位視頻序列,然后利用深度學習網(wǎng)絡進行各個部位的特征信息提取,最后將各個子部位特征融合到一起作為原始視頻序列中行人的特征表示。在數(shù)據(jù)集iLIDS-VID和PRID-2011上進行了實驗驗證,實驗結果表明所提出的模型在指標CMC rank-1上分別達到了 73.6%和8...

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

較高的行人特征，借以區(qū)分不同的行人。根據(jù)處理數(shù)據(jù)的不同，基于行人的身體??特征的人體重識別技術可以分為兩類：基于圖片的人體重識別和基于視頻的人體??重識別。圖１－２中列舉了一些行人的圖片和視頻數(shù)據(jù)，由圖中可以看出，無論是圖??片數(shù)據(jù)還是視頻數(shù)據(jù)，其中行人所處的環(huán)境都較為復雜，如何....

圖２－１?ＣＮＮ映射過程??Ｆｉｇ．?２－１?Ｔｈｅ?ｍａｐｐｉｎｇ?ｐｒｏｃｅｓｓ?ｏｆ?ＣＮＮ??如圖２－１所示，ＣＮＮ可以看成一種端到端的函數(shù)映射過程，通過學習經(jīng)過ＣＮＮ??處理得到的輸出（Ｏｕｔｐｕｔ）和給定的數(shù)據(jù)標簽（Ｌａｂｅｌ）之間的關系，調整出輸入和輸出??之間最佳....

Ｆｉｇ．?２－２?Ｔｈｅ?ｕｎｉｔｓ?ｏｆ?ＲＮＮ??Ｎ也可以看成一種端到端的函數(shù)映射過程，通過學習經(jīng)過ＲＮＮ處理的輸??據(jù)標簽之間的關系，調整輸入輸出之間的映射過程。＿自帶的這種循環(huán)??能夠有效的提取時序數(shù)據(jù)中的特征信息。??Ｓｉａｍｅｓｅ?網(wǎng)絡??ａｍｅｓｅ網(wǎng)絡可以看成一種相....

本數(shù)量較少，所以考慮到Ｓｉａｍｅｓｅ網(wǎng)絡的優(yōu)點，及網(wǎng)絡的可移植性等問題，很多研??究者將Ｓｉａｍｅｓｅ網(wǎng)絡融入到人體重識別模型中來�，F(xiàn)階段研究者提出了很多基于??Ｓｉａｍｅｓｅ網(wǎng)絡的模型方法，其中主流的兩種模型框架如圖２－４所示。??根據(jù)最終處理方式的不同可以將研宄者所提出的模型....

本文編號：3990625